基于卷积神经网络的横向转角预测方法

由于智能小车探测周围环境的硬件设备的繁杂,将卷积神经网络与摄像头结合来探测周围环境越来越成为研究的热点。然而,单纯地使用卷积神经网络处理摄像头的数据来控制小车的转角,存在训练时间久、准确率不高的问题。针对上述问题,该文提出了将摄像头的数据经过无监督的二分K-means聚类方法之后,再将聚类结果作为卷积神经网络的输入,最终预测小车转角。实验结果证明,该网络结构可以有效地提高网络的训练速度,并提高网络的准确率。